ИИкона – универсальный AI-коннектор для 1С: один API для большинства моделей

Всех приветствую!

Это первая моя статья на сайте за более, чем 16 лет с момента регистрации. Все эти годы я считал, что у меня не хватает квалификации, чтобы дать сообществу что-то полезное и что-то достаточно качественное, что не стыдно было бы показать. Некоторые идеи так и остались идеями, другие же были похоронены в процессе реализации — просто не хватало мотивации. Я думаю, у каждого разработчика за спиной — кладбище домашних проектов. С появлением в жизни ИИ — различных LLM, удалось многократно повысить собственную эффективность, самооценку и сфокусировать силы на основных целях, отбросив всё ненужное.

Так или иначе сейчас трудно представить разработку без использования ИИ. Будут, конечно, ретрограды и скептики, но прогресс не остановить и нужно уметь адаптироваться под новые реалии, чтобы не оказаться на обочине.

Зачем я написал свой коннектор

Задумал я проект, который должен использовать в своей работе различные LLM (Large Language Models — большие языковые модели). Начал искать открытые библиотеки для интеграции с ИИ на инфостарте — их уже достаточно много. Но они либо не универсальные (только для одного провайдера), либо, не в обиду авторам, написаны так, что рефакторинг занял бы больше времени, чем написание с нуля. Чем я, впрочем, и занялся.

За основу я взял демо конфигурацию БСП — сейчас сложно разрабатывать что-то с абсолютного нуля, особенно если привык использовать удобные методы этой библиотеки. Дальше набросал прототип запроса к ИИ, проверил — заработало! Следующим шагом надо было изучить, как разные LLM взаимодействуют по API.

Оказалось, что протоколов у популярных моделей не так уж и много. Большинство используют OpenAI-совместимый протокол. Понятно, что с развитием функциональности появляется всё больше различий, но на базовом уровне можно взаимодействовать в рамках этого API. Это и стало основой универсальности библиотеки.

Что уже реализовано в v1.0.2

На данный момент библиотека уже умеет довольно много:

25+ готовых моделей из коробки

В справочник Модели ИИ могут быть предустановлены модели от 12 провайдеров:

Синхронные и асинхронные запросы

Реализованы оба режима работы:

• Синхронные — для быстрых задач (ответ приходит сразу)
• Асинхронные через фоновые задания — для длительных операций (не блокируем интерфейс)

Полное логирование

Все запросы автоматически записываются в регистр сведений:

• Промпты и ответы
• Количество токенов (входных/выходных)
• Время выполнения
• Ошибки и метрики
• Причина завершения

OAuth2 для GigaChat

Сбер сделал OAuth2 авторизацию обязательной для GigaChat. Библиотека автоматически обменивает ClientId:ClientSecret на токен и обновляет его при необходимости — вам не нужно заморачиваться с этим.

Парсер Markdown

Многие модели возвращают ответы в формате Markdown (с заголовками, списками, блоками кода). Встроенный парсер преобразует это в HTML с подсветкой синтаксиса — можно сразу выводить в форму для пользователя.

Работа без интернета

Через Ollama можно запускать локальные модели. Они не требуют API ключей и работают полностью офлайн на вашем компьютере. Это бесплатно и безопасно — данные никуда не уходят. Скорость упирается в производительность вашего железа — у меня работает очень медленно.

Для того чтобы подключить локальную модель уйдет буквально пара минут.

Примеры кода

Давайте посмотрим, как это работает на практике. Ниже — минимальные примеры использования API без лишней обвязки.

Модель = Справочники.КИИ_МоделиИИ.НайтиПоНаименованию("gpt-4");
Ответ = КИИ_КоннекторИИ.ЗапросКМодели(Модель, "Привет! Как дела?");

Если Не Ответ.ЭтоОшибка Тогда
    ОбщегоНазначения.СообщитьПользователю(Ответ.ТекстОтвета);
КонецЕсли;

Промпт = Новый Структура;
Промпт.Вставить("СистемныйПромпт", "Ты — помощник программиста 1С. Отвечай кратко и по делу.");
Промпт.Вставить("ПользовательскийПромпт", "Как создать новый справочник?");

Модель = Справочники.КИИ_МоделиИИ.НайтиПоНаименованию("Claude 3.5 Sonnet");
Ответ = КИИ_КоннекторИИ.ЗапросКМодели(Модель, Промпт);

Если Не Ответ.ЭтоОшибка Тогда
    ОбщегоНазначения.СообщитьПользователю(Ответ.ТекстОтвета);
    ОбщегоНазначения.СообщитьПользователю("Использовано токенов: " + Ответ.ВсегоТокенов);
КонецЕсли;

Процедура ОтветитьВЧате(Сообщение, История)

    Модель = Справочники.КИИ_МоделиИИ.НайтиПоНаименованию("YandexGPT 5 Pro");

    Промпт = Новый Структура;
    Промпт.Вставить("СистемныйПромпт", "Ты – дружелюбный ассистент");
    Промпт.Вставить("ПользовательскийПромпт", Сообщение);
    Промпт.Вставить("ИсторияСообщений", История);

    Ответ = КИИ_КоннекторИИ.ЗапросКМодели(Модель, Промпт);

    История.Добавить(Новый Структура("Роль, Текст", "user", Сообщение));
    История.Добавить(Новый Структура("Роль, Текст", "assistant", Ответ.ТекстОтвета));

КонецПроцедуры

Модель = Справочники.КИИ_МоделиИИ.НайтиПоНаименованию("Mistral (Ollama)");
Ответ = КИИ_КоннекторИИ.ЗапросКМодели(Модель, "Что такое 1С?");

Архитектура и философия

Библиотека построена на принципе «единый API для всех». Вы пишете код один раз, а потом можете переключаться между моделями, просто меняя ссылку на справочник. Хотите протестировать одну модель против другой? Просто запустите тот же промпт с разными моделями и сравните результаты.

Важно: расширение предоставляет только API-коннектор. Для решения конкретных задач (чат-бот, анализ текста, генерация описаний товаров) потребуется написать свою бизнес-логику на 1С с использованием этого API. Это не готовая коробка «нажми кнопку, и оно заработает», а инструмент для разработчиков.

Качество и тестирование

Код проверен инструментами:

• 1С:АПК (Автоматизированная проверка конфигураций) — большинство замечаний исправлено
• SonarQube — статический анализ пройден
• Протестировано на БСП 3.1.11.392 и 1С:ERP 2.5.17.219

Расширение работает на любой конфигурации с БСП 3.1.10.492+.

Что будет дальше

Библиотека развивается под мои потребности в текущих и будущих проектах. Сейчас реализовано то, что было нужно на старте, но впереди ещё много интересного.

• Запросы к LLM с клиента — например, если на сервере не будет интернета или возникнет необходимость отправлять именно с клиента
• Streaming режим — потоковая генерация текста (как в ChatGPT, где ответ появляется постепенно)
• Vision API — анализ изображений (загрузил картинку, спросил что на ней)
• Улучшенная обработка rate limits — умная повторная отправка при превышении лимитов
• Балансировщик и очередь запросов — если потребуется отправлять множество запросов к различным LLM одновременно
• Function calling — модель сама вызывает функции 1С (например, «найди клиента Иванова» — выполняется запрос к БД)
• Embeddings API — векторные представления текста (для семантического поиска и RAG)
• Audio API — транскрибация речи (Whisper), синтез голоса TTS (Text-to-Speech)
• Работа с изображениями — генерация картинок (DALL-E, Midjourney)
• Продвинутые сценарии — агенты, цепочки промптов, RAG (Retrieval-Augmented Generation)

Всё это будет реализовываться по мере необходимости в моих проектах. Если какая-то фича понадобится раньше — она и появится раньше.

Установка

1. Скачайте последний релиз с GitHub
2. Установите расширение IIkona_ConnectorAI_v1.0.2.cfe
3. Обновите базу данных
4. Откройте справочник Модели ИИ и нажмите «Заполнить модели»
5. Укажите API ключи для нужных провайдеров

Подробная инструкция есть на GitHub.

Для чего можно использовать

Библиотека даёт API — дальше дело за фантазией:

1. Чат-боты для поддержки клиентов
2. Анализ текста (отзывы, обращения, жалобы)
3. Генерация контента (описания товаров, документы, письма)
4. Классификация и категоризация информации
5. Извлечение данных из неструктурированного текста
6. Автоматизация ответов на типовые запросы
7. Обогащение справочников с помощью AI

Я сам использую это в своих проектах — поэтому и появилась библиотека.

Как протестировать

В ней можно:

• Проверить подключение к моделям
• Отправить тестовые запросы
• Посмотреть примеры работы с API
• Проверить логирование

В процессе создания этой формы мне не понравился формат вывода markdown. Я решил написать свой парсер на встроенном языке 1С, без использования JavaScript. На тот момент я видел только один вариант для 1Script, а уже позже обнаружил на Инфостарте несколько решений, которые используют готовые JS-библиотеки для рендеринга Markdown. Тем не менее, в моём случае весь разбор разметки выполняется средствами 1С, без сторонних скриптов.

Лицензия и открытый исходный код

Проект распространяется под лицензией MIT — можете свободно использовать, модифицировать и включать в коммерческие проекты. Исходный код полностью открыт на GitHub.

Финальные мысли

Мне самому эта библиотека очень нужна — использую её в своих проектах. Поэтому она будет развиваться и дальше. Если кому-то ещё пригодится — буду только рад.

Что еще я хочу сказать: не бойтесь делиться своими наработками, даже если кажется, что «это ещё недостаточно хорошо». Мне понадобилось 16 лет, чтобы решиться опубликовать первую статью. Не повторяйте мою ошибку!